Отрывок: Пример первого речевого сообщения и его спектра Рис. 2. Пример второго речевого сообщения и его спектра Затем временные представления с дискретизацией на 1024 отсчета смешивались с белым гауссовским шумом с различными дисперсиями. Для использования сверточных нейронных сетей, распространенных в распознавании изображений [6], было реализовано построение корреляционных портретов. Была написана специальная функция для получения корреляционных портретов по дискретным отсчетам си...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorАндриянов Н. А.ru
dc.contributor.authorАндриянов Д. А.ru
dc.coverage.spatialдважды стохастический фильтрru
dc.coverage.spatialавтокорреляционный портретru
dc.coverage.spatialрадиообменru
dc.coverage.spatialрекуррентные сетиru
dc.coverage.spatialраспознавание речиru
dc.coverage.spatialсверточные нейронные сетиru
dc.creatorАндриянов Н. А., Андриянов Д. А.ru
dc.date.accessioned2023-10-03 15:46:28-
dc.date.available2023-10-03 15:46:28-
dc.date.issued2023ru
dc.identifierRU\НТБ СГАУ\541493ru
dc.identifier.citationАндриянов, Н. А. Распознавание речевых сообщений радиообмена методами глубокого обучения с предварительной фильтрацией / Н. А. Андриянов, Д. А. Андриянов // Информационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6 т. / М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - Фил. Федер. науч.-исслед. центра "Кристаллография и фотоника" Рос. акад. наук. - Самара : Изд-во Самар. ун-та, 2023Т. 4: Искусственный интеллект / под. ред. А. В. Никонорова. - 2023. - С. 042122.ru
dc.identifier.urihttp://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Raspoznavanie-rechevyh-soobshenii-radioobmena-metodami-glubokogo-obucheniya-s-predvaritelnoi-filtraciei-105739-
dc.description.abstractРассмотрена задача распознавания речевых сообщений радиообмена в условиях действия помеховой обстановки. Сравнение выполняется для рекуррентных нейронных сетей и для сверточных нейронных сетей при обработке автокорреляционных портретов. Применение сверточных нейронных сетей обеспечивает повышение эффективностираспознавания на 2-3%, а в условиях фильтрации повышает качество на 10-15% при разном уровне шума. Дополнительная предварительная фильтрация на базедважды стохастического фильтра улучшает результаты.ru
dc.language.isorusru
dc.relation.ispartofИнформационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6ru
dc.sourceИнформационные технологии и нанотехнологии (ИТНТ-2023). - Т. 4 : Искусственный интеллектru
dc.titleРаспознавание речевых сообщений радиообмена методами глубокого обучения с предварительной фильтрациейru
dc.typeTextru
dc.citation.spage042122ru
dc.citation.volume4ru
dc.textpartПример первого речевого сообщения и его спектра Рис. 2. Пример второго речевого сообщения и его спектра Затем временные представления с дискретизацией на 1024 отсчета смешивались с белым гауссовским шумом с различными дисперсиями. Для использования сверточных нейронных сетей, распространенных в распознавании изображений [6], было реализовано построение корреляционных портретов. Была написана специальная функция для получения корреляционных портретов по дискретным отсчетам си...-
Располагается в коллекциях: Информационные технологии и нанотехнологии

Файлы этого ресурса:
Файл Размер Формат  
978-5-7883-1920-9_2023-042122.pdf259.69 kBAdobe PDFПросмотреть/Открыть
Показать базовое описание ресурса Просмотр статистики
Поделиться:



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.